陈醒

开发支持用户语音或手势控制，使用软体机械臂的翻页机器人，协助残疾人和老年人阅读，获得校内组织Edinburgh Innovation的Best technical design award奖项。在团队内负责开发语音识别及手势识别模块。

基于ReAct框架的隐私管理助理，旨在通过深度理解用户的社交网络行为来提升隐私保护。该智能体集成了OpenAI的GPT-3.5-turbo模型，采用检索增强生成（RAG）技术，能够高效处理用户的自然语言查询，对社交媒体历史数据进行深入分析。此外，项目还实现了将用户的社交媒体历史转化为数据库形式，通过将自然语言指令转换为SQL查询，实现精确数据检索。借助双向编码器表示技术和大语言模型的结合，本工具还能够为用户提供非常精确的主题建模分析。

APP允许用户在手机对传感器佩戴者的动作进行实时预测，包括过度呼吸，摔倒，上下楼梯等等，以确保佩戴者安全。使用D.K. Arvind教授开发的呼吸传感器（Respeck）及动作传感器 (Thingy) 对用户的呼吸频率以及动作幅度进行采集，在团队内负责搭建LSTM-CNN模型进行训练，对长度为两秒钟的时间序列准确度达92%。

作为共同第一作者，参与温州医科大学检验医学院张懿教授团队对可变剪切工具ASTK项目的开发并正在撰写论文。ASTK (Alternative Splicing Toolkit) 是一个基于指令控制的生物信息工具包，其中可变剪切预测模块使用小鼠基因组蛋白修饰值预测可变剪切事件类别，负责训练深度学习算法（1D-CNN）及多种机器学习算法（KNN, SVM, 随机森林），二分类预测准确度在多组可变剪切事件数据中超过90%。此前也参与该项目的前置研究并已于Advanced Intelligent Systems发表论文ASTK: a machine learning-based integrative software for alternative splicing analysis.

作为第一作者，参与温州医科大学检验医学院张懿教授团队开发基因表达时间序列分析以及预测工具并正在撰写论文。 使用小鼠和人类的多个不同器官的基因表达数据进行时间序列分析，负责核心深度学习与机器学习预测算法，经过功能分析验证，算法在小鼠以及新冠患者数据实验上能够较准确地预测基因表达未来趋势。

作为数据分析实习生，参与团队对集团各部门数据的汇总，分类，分析以及预测。

作为网络安全实习生，负责对网络流量数据进行抓包分析，甄别恶意网络攻击。对目标IP进行漏洞扫描，渗透测试，并提供安全评估。

学院：信息学院 School of Informatics

学位：信息学硕士 Master of Informatics

等级：一等 First Class